文件名称：matlab分时代码-ohem:OHEM对FastR-CNN的支持
文件大小：619KB
文件格式：ZIP
更新时间：2024-06-10 12:21:56
系统开源
matlab分时代码通过在线硬示例挖掘训练基于区域的对象检测器 作者Abhinav Shrivastava，Abhinav Gupta，Ross Girshick 介绍 在线硬示例挖掘（OHEM）是一种在线自举算法，用于训练基于区域的ConvNet对象检测器，例如。 OHEM 在随机梯度下降（SGD）范例中效果很好， 通过删除一些启发式和超参数来简化训练， 导致更好的收敛（降低训练集损失）， 始终使PASCAL VOC和MS COCO的mAP显着提高。 OHEM最初是在CVPR 2016上作为口头报告提出的。 有关更多详细信息，请参见。 执照 此代码根据MIT许可证发布（有关详细信息，请参阅LICENSE文件）。 引用 如果您发现这对您的研究有用，请考虑引用以下内容： @inproceedings{shrivastavaCVPR16ohem, Author = {Abhinav Shrivastava and Abhinav Gupta and Ross Girshick}, Title = {Training Region-based Object Detectors with On
【文件预览】：
ohem-master
----.gitignore(107B)
----data()
--------pylintrc(56B)
--------.gitignore(70B)
--------scripts()
--------README.md(3KB)
--------demo()
----experiments()
--------scripts()
--------README.md(185B)
--------cfgs()
--------logs()
----models()
--------pascal_voc()
----LICENSE(6KB)
----.gitmodules(131B)
----tools()
--------train_svms.py(13KB)
--------_init_paths.py(637B)
--------reval.py(2KB)
--------rpn_generate.py(3KB)
--------train_faster_rcnn_alt_opt.py(13KB)
--------train_net.py(4KB)
--------test_net.py(3KB)
--------README.md(66B)
--------compress_net.py(4KB)
--------demo.py(5KB)
--------eval_recall.py(2KB)
----README.md(10KB)
----caffe-fast-rcnn()
----lib()
--------setup.py(6KB)
--------Makefile(56B)
--------datasets()
--------rpn()
--------nms()
--------pycocotools()
--------roi_data_layer()
--------transform()
--------fast_rcnn()
--------utils()